KIT | KIT-Bibliothek | Impressum | Datenschutz

Closed-Form Gaussian Mixture Representations of d-Dimensional Triangulated Domains

Darijani, Ali ORCID iD icon 1,2,3; Stratmann, Benedikt 3; Hanebeck, Uwe D. 2; Bahadur Thapa, Ratan 4; Beyerer, Jürgen 1,2,3; Afifi, Nehal ORCID iD icon 5
1 Fakultät für Informatik – Lehrstuhl IES Beyerer: Interaktive Echtzeitsysteme (Lehrstuhl IES Beyerer: Interaktive Echtzeitsysteme), Karlsruher Institut für Technologie (KIT)
2 Institut für Anthropomatik und Robotik (IAR), Karlsruher Institut für Technologie (KIT)
3 Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (IOSB)
4 Universität Stuttgart (Uni Stuttgart)
5 Institut für Produktentwicklung (IPEK), Karlsruher Institut für Technologie (KIT)

Abstract:

We derive a Gaussian Mixture representation of a full-dimensional subset of Euclidean space with finite volume from a finite simplicial triangulation in closed form. On each simplex, we replace the uniform probability density function with a Gaussian density that minimizes the Kullback--Leibler divergence, arriving at the information projection onto the family of Gaussian distributions. By exploiting affine isomorphisms between simplices, the joint convexity and bijection invariance properties of the Kullback--Leibler divergence, identities for Dirichlet distributions, and a partition-of-unity argument, we establish a dimension-dependent but geometry-independent sharp upper bound on the global Kullback--Leibler divergence between the resulting Gaussian Mixture and the uniform distribution on the original domain. Numerical examples illustrate the construction and demonstrate its potential in practical applications.


Postprint §
DOI: 10.5445/IR/1000198402
Veröffentlicht am 02.11.2026
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Anthropomatik und Robotik (IAR)
Institut für Produktentwicklung (IPEK)
Fakultät für Informatik – Lehrstuhl IES Beyerer: Interaktive Echtzeitsysteme (Lehrstuhl IES Beyerer: Interaktive Echtzeitsysteme)
Publikationstyp Proceedingsbeitrag
Publikationsjahr 2026
Sprache Englisch
Identifikator KITopen-ID: 1000198402
Erschienen in IEEE Sensor Data Fusion: Trends, Solutions, Applications (SDF 2026)
Veranstaltung IEEE Sensor Data Fusion: Trends, Solutions, Applications (SDF 2026), Bonn, Deutschland, 23.11.2026 – 25.11.2026
Verlag Institute of Electrical and Electronics Engineers (IEEE)
Projektinformation SFB 1574/1 KLF, 471687386 (DFG, DFG KOORD, SFB 1574/1)
Bemerkung zur Veröffentlichung Accepted to "2026 IEEE Sensor Data Fusion: Trends, Solutions, Applications (SDF)"
Schlagwörter Gaussian Mixture, Simplicial Complex, Algebraic Topology
KIT – Die Universität in der Helmholtz-Gemeinschaft
KITopen Landing Page